Classification of remotely sensed data by using 2D local discriminant bases
Uzaktan algılanan verilerin 2 boyutlu yerel ayırtaç tabanları ile ayrılması
- Tez No: 255621
- Danışmanlar: PROF. DR. YASEMİN YARDIMCI ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Bu tezde, 2B Yerel Ayraç Tabanları algoritması kullanılarak uzaktan algılanan verinin sınıflandırılması sağlanmıştır. İkili sınıflandırma formundaki Doğrusal Ayırtaç Analizi yöntemi, çoğunluk analizi ve doğrusal uzaklık bileşenleri birlikte kullanılarak, ikiden fazla sınıfın sınıflandırılması işlemine uygun hale getirilmiştir. Kullanılan öznitelik çıkarımı algoritması, hiperspektral görüntüleri oluşturan çok sayıda spektral bandın içerisinden, ayırt edici bantların seçilmesi, gereksiz olanların elenmesi veya tek başlarına ayrımsallığı olmayanların birleştirilerek daha yüksek ayrımsallığa sahip bantların oluşturması işlemlerini gerçekleştirmektedir. Algoritmanın performansı, Tippecanoe County, Indiana'ya ait uzaktan algılanmış bir görüntü üzerinde test edilmiştir. Multispektral veriden spektral ve uzamsal-frekans öznitelikler çıkarılarak görüntü içerisindeki mısır, soya fasülyesi, buğday, kızılyonca ve yulaf ayrıştırılmıştır.
Özet (Çeviri)
In this thesis, 2D Local Discriminant Bases (LDB) algorithm is used to 2D search structure to classify remotely sensed data. 2D Linear Discriminant Analysis (LDA) method is converted into an M-ary classifier by combining majority voting principle and linear distance parameters. The feature extraction algorithm extracts the relevant features by removing the irrelevant ones and/or combining the ones which do not represent supplemental information on their own. The algorithm is implemented on a remotely sensed airborne data set from Tippecanoe County, Indiana to evaluate its performance. The spectral and spatial-frequency features are extracted from the multispectral data and used for classifying vegetative species like corn, soybeans, red clover, wheat and oat in the data set.
Benzer Tezler
- Uzaktan algılanmış verilerin derin öğrenme yöntemiyle sınıflandırılması
Classification of remotely sensed data by deep learning method
ELİF ÖZLEM YILMAZ
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. TAŞKIN KAVZOĞLU
- Uzaktan algılanmış imgelerin eğitimsiz sınıflandırılması ve yorumlanması
Unsupervised classification and interpretation of remotely sensed images
MEHMET CİHAN ŞAHİNGİL
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. YAKUP ÖZKAZANÇ
- Improved classification of remote sensing imagery using image fusion techniques
Görüntü kaynaştırma yöntemleri kullanarak uzaktan algılanmış görüntülerin sınıflandırmalarının iyileştirilmesi
ESRA TUNÇ GÖRMÜŞ
Doktora
İngilizce
2013
Jeodezi ve FotogrametriUniversity of BristolElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ALIN ACHIM
PROF. DR. NISHAN CANAGARAJAH
- Şereflikoçhisar ilçesindeki tarım arazilerinde uzaktan algılama yöntemiyle ekili alanların tespiti ve rekolte tahmini
Determination of cultivated field and yield estimation by using remote sensing method in the agricultural fields of Şereflikoçhisar
AHMET SÜSLÜ
Yüksek Lisans
Türkçe
2007
Jeodezi ve FotogrametriGebze Yüksek Teknoloji EnstitüsüJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAŞKIN KAVZOĞLU
- Uzaktan algılama ve coğrafi bilgi sistemi entegrasyonu 'Gökçeada ve Bozcaada örneği'
Remote sensing and geographic information system entegration examples of Gökçeada and Bozcaada
FİLİZ BEKTAŞ
Yüksek Lisans
Türkçe
2003
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiJeodezi ve Fotogrametri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÇİĞDEM GÖKSEL